作者中心
专家审稿
责编办公
编辑办公全文下载排行
1
2024, 13(5): 941-954.
摘要
26021KB
三维合成孔径雷达在测绘制图、防灾减灾等诸多领域有应用潜力，已经成为SAR的重要研究方向。为减少三维SAR的观测次数或天线阵元数量，推动三维SAR的应用和发展，中国科学院空天信息创新研究院牵头研制了微波视觉三维SAR实验系统，旨在为微波视觉SAR三维成像提供实验平台和数据。该文针对微波视觉三维SAR实验系统及其全极化数据处理方法进行介绍，涵盖了极化校正、极化相干增强、极化约束三维成像、三维融合可视化等全流程的关键步骤。基于发布的SAR微波视觉三维成像全极化数据集，给出了三维成像结果示例，验证了微波视觉三维SAR实验系统的全极化性能以及处理方法的有效性。该文发布的数据集将为SAR三维成像研究提供良好的数据条件。
三维合成孔径雷达在测绘制图、防灾减灾等诸多领域有应用潜力，已经成为SAR的重要研究方向。为减少三维SAR的观测次数或天线阵元数量，推动三维SAR的应用和发展，中国科学院空天信息创新研究院牵头研制了微波视觉三维SAR实验系统，旨在为微波视觉SAR三维成像提供实验平台和数据。该文针对微波视觉三维SAR实验系统及其全极化数据处理方法进行介绍，涵盖了极化校正、极化相干增强、极化约束三维成像、三维融合可视化等全流程的关键步骤。基于发布的SAR微波视觉三维成像全极化数据集，给出了三维成像结果示例，验证了微波视觉三维SAR实验系统的全极化性能以及处理方法的有效性。该文发布的数据集将为SAR三维成像研究提供良好的数据条件。
2
飞鸟和无人机(UAVs)是典型的“低慢小”目标，具有低可观测性，对两者的有效监视和识别成为保障空中航路安全、城市安保等需求迫切需要解决的难题。飞鸟和无人机目标类型多、飞行高度低、机动性强、雷达散射截面积小，加之探测环境复杂，给目标探测带来极大困扰，已成为世界性难题。因此迫切需要研发“看得见(检测能力强)、辨得明(识别概率高)”的无人机、飞鸟等“低慢小”目标监视手段和技术，实现目标的精细化描述和识别。该文集中对近年来复杂场景下旋翼无人机和飞鸟目标检测与识别技术的研究进展进行了归纳总结，介绍了飞鸟和无人机探测的主要手段，从回波建模和微动特性认知、泛探模式下机动特征增强与提取、分布式多视角特征融合、运动轨迹差异、深度学习智能分类等方面给出了检测和识别的有效途径。最后，该文总结了现有研究存在的问题，对未来复杂场景下飞鸟和无人机目标检测与识别技术的发展进行了展望。
飞鸟和无人机(UAVs)是典型的“低慢小”目标，具有低可观测性，对两者的有效监视和识别成为保障空中航路安全、城市安保等需求迫切需要解决的难题。飞鸟和无人机目标类型多、飞行高度低、机动性强、雷达散射截面积小，加之探测环境复杂，给目标探测带来极大困扰，已成为世界性难题。因此迫切需要研发“看得见(检测能力强)、辨得明(识别概率高)”的无人机、飞鸟等“低慢小”目标监视手段和技术，实现目标的精细化描述和识别。该文集中对近年来复杂场景下旋翼无人机和飞鸟目标检测与识别技术的研究进展进行了归纳总结，介绍了飞鸟和无人机探测的主要手段，从回波建模和微动特性认知、泛探模式下机动特征增强与提取、分布式多视角特征融合、运动轨迹差异、深度学习智能分类等方面给出了检测和识别的有效途径。最后，该文总结了现有研究存在的问题，对未来复杂场景下飞鸟和无人机目标检测与识别技术的发展进行了展望。
3
2024, 13(3): 501-524.
雷达微弱目标处理是实现优异探测性能的基础和前提，在复杂的实际环境应用过程中，由于强杂波干扰、目标信号微弱、图像特征不明显、有效特征难提取等问题，导致雷达微弱目标检测与识别一直是雷达处理领域中的难点之一。传统模型类处理方法与实际工作背景和目标特性匹配不精准，导致通用性不强。近年来，深度学习在雷达智能信息处理领域取得了显著进展，深度学习算法通过构建深层神经网络，可以自动地从大量雷达数据中学习特征表示，提高目标检测和识别的性能。该文分别从雷达目标微弱信号处理、图像处理、特征学习等多个方面系统梳理和总结近年来雷达微弱目标智能化处理的研究进展，具体包括噪声与杂波抑制、微弱目标信号增强；低、高分辨雷达图像和特征图处理；特征提取、融合、目标分类与识别等。针对目前微弱目标智能化处理应用存在的泛化能力有限、特征单一、可解释性不足等问题，从小样本目标检测(迁移学习、强化学习)、多维多特征融合检测、网络模型可解释性、知识与数据联合驱动等方面对未来发展进行了展望。
雷达微弱目标处理是实现优异探测性能的基础和前提，在复杂的实际环境应用过程中，由于强杂波干扰、目标信号微弱、图像特征不明显、有效特征难提取等问题，导致雷达微弱目标检测与识别一直是雷达处理领域中的难点之一。传统模型类处理方法与实际工作背景和目标特性匹配不精准，导致通用性不强。近年来，深度学习在雷达智能信息处理领域取得了显著进展，深度学习算法通过构建深层神经网络，可以自动地从大量雷达数据中学习特征表示，提高目标检测和识别的性能。该文分别从雷达目标微弱信号处理、图像处理、特征学习等多个方面系统梳理和总结近年来雷达微弱目标智能化处理的研究进展，具体包括噪声与杂波抑制、微弱目标信号增强；低、高分辨雷达图像和特征图处理；特征提取、融合、目标分类与识别等。针对目前微弱目标智能化处理应用存在的泛化能力有限、特征单一、可解释性不足等问题，从小样本目标检测(迁移学习、强化学习)、多维多特征融合检测、网络模型可解释性、知识与数据联合驱动等方面对未来发展进行了展望。
4
2023, 12(5): 923-970.
作为高级驾驶辅助系统(ADAS)核心之一的汽车毫米波雷达因其具有全天时、全天候、小型化、集成度高等优势，提供了关键的感知能力，逐渐成为国内外学者及厂商关注的焦点。汽车毫米波雷达以汽车作为平台，其核心性能指标主要有距离、速度、角度分辨率、视场范围等，此外，精度、成本、实时性、检测性能和体积也是需要考虑的关键问题。日益提升的性能需求给汽车毫米波雷达信号处理带来了诸多挑战。为了改进雷达性能以满足更严格的要求，雷达的信号处理技术是至关重要的一环。获取致密的雷达点云、生成精确的雷达成像结果、对抗多个雷达系统间的相互干扰是其中的重点，也是后续跟踪、识别等应用的基础。因此，该文从汽车毫米波雷达的实际应用出发，立足于信号处理的关键技术，总结了相关研究成果，主要讨论与车载毫米波雷达相关的以下主题： (1)点云成像处理；(2)合成孔径雷达成像处理；(3)互扰抑制。文章最后对国内外研究现状进行了总结，并展望未来汽车毫米波雷达的发展趋势，希望能给相关领域读者以启发。
作为高级驾驶辅助系统(ADAS)核心之一的汽车毫米波雷达因其具有全天时、全天候、小型化、集成度高等优势，提供了关键的感知能力，逐渐成为国内外学者及厂商关注的焦点。汽车毫米波雷达以汽车作为平台，其核心性能指标主要有距离、速度、角度分辨率、视场范围等，此外，精度、成本、实时性、检测性能和体积也是需要考虑的关键问题。日益提升的性能需求给汽车毫米波雷达信号处理带来了诸多挑战。为了改进雷达性能以满足更严格的要求，雷达的信号处理技术是至关重要的一环。获取致密的雷达点云、生成精确的雷达成像结果、对抗多个雷达系统间的相互干扰是其中的重点，也是后续跟踪、识别等应用的基础。因此，该文从汽车毫米波雷达的实际应用出发，立足于信号处理的关键技术，总结了相关研究成果，主要讨论与车载毫米波雷达相关的以下主题： (1)点云成像处理；(2)合成孔径雷达成像处理；(3)互扰抑制。文章最后对国内外研究现状进行了总结，并展望未来汽车毫米波雷达的发展趋势，希望能给相关领域读者以启发。
5
2024, 13(5): 1004-1018.
在雷达有源干扰识别任务中，如何实现多域浅层特征与时频域深层网络特征的稳健联合，并在极端小样本下维持高干扰识别准确率是亟待解决的关键问题。针对此问题，该文提出一种多域浅层特征引导下雷达有源干扰多模态对比识别方法。在充分提取有源干扰多域浅层特征基础上，设计优选单元自动选择有效特征，生成对应含有隐式专家知识的文本模态。将文本模态与时频变换图像分别输入文本和图像编码器，构建多模态特征对并映射至模态对齐高维空间中，利用文本特征作为锚点，通过对比学习引导同类干扰的时频图像特征聚合，以优化图像编码器表征能力，实现干扰识别特征类内更聚集、类间更分离。实验结果表明，相较于已有深浅特征直接联合，所提引导式联合方法可以实现特征差异处理，从而提高识别特征判别力和泛化力。且在极端小样本条件(每类干扰训练样本为2～3个)下，所提识别方法较先进对比方法的准确率提升9.84%，证明了该文方法的有效性与鲁棒性。
在雷达有源干扰识别任务中，如何实现多域浅层特征与时频域深层网络特征的稳健联合，并在极端小样本下维持高干扰识别准确率是亟待解决的关键问题。针对此问题，该文提出一种多域浅层特征引导下雷达有源干扰多模态对比识别方法。在充分提取有源干扰多域浅层特征基础上，设计优选单元自动选择有效特征，生成对应含有隐式专家知识的文本模态。将文本模态与时频变换图像分别输入文本和图像编码器，构建多模态特征对并映射至模态对齐高维空间中，利用文本特征作为锚点，通过对比学习引导同类干扰的时频图像特征聚合，以优化图像编码器表征能力，实现干扰识别特征类内更聚集、类间更分离。实验结果表明，相较于已有深浅特征直接联合，所提引导式联合方法可以实现特征差异处理，从而提高识别特征判别力和泛化力。且在极端小样本条件(每类干扰训练样本为2～3个)下，所提识别方法较先进对比方法的准确率提升9.84%，证明了该文方法的有效性与鲁棒性。
6
2024, 13(3): 539-553.
无人机等低慢小目标探测对雷达目标检测和识别技术提出了很高的挑战，迫切需要构建相关数据集，支撑低慢小探测技术的发展和应用。该文公开了一个多波段调频连续波(FMCW)雷达低慢小目标探测数据集，基于Ku波段和L波段的FMCW雷达采集6种类型的无人机回波数据，通过雷达调制周期和调制带宽，具备不同时域和频域分辨和测量能力，构建了多波段FMCW雷达低慢小探测数据集(LSS-FMCWR-1.0)。为了进一步提升无人机微动特征提取能力，该文提出基于局部极大值同步提取变换的无人机微动提取和参数估计方法，在短时傅里叶变换的基础上提取时频能量最大值，保留有用信号分量，实现精细化时频表示。基于LSS-FMCWR-1.0进行验证分析，结果表明该方法相较于传统时频方法，熵值平均降低了5.3 dB，旋翼叶长估计误差降低了27.7%，所提方法兼顾高时频分辨率和较高的参数估计精度，为后续目标识别奠定了基础。
无人机等低慢小目标探测对雷达目标检测和识别技术提出了很高的挑战，迫切需要构建相关数据集，支撑低慢小探测技术的发展和应用。该文公开了一个多波段调频连续波(FMCW)雷达低慢小目标探测数据集，基于Ku波段和L波段的FMCW雷达采集6种类型的无人机回波数据，通过雷达调制周期和调制带宽，具备不同时域和频域分辨和测量能力，构建了多波段FMCW雷达低慢小探测数据集(LSS-FMCWR-1.0)。为了进一步提升无人机微动特征提取能力，该文提出基于局部极大值同步提取变换的无人机微动提取和参数估计方法，在短时傅里叶变换的基础上提取时频能量最大值，保留有用信号分量，实现精细化时频表示。基于LSS-FMCWR-1.0进行验证分析，结果表明该方法相较于传统时频方法，熵值平均降低了5.3 dB，旋翼叶长估计误差降低了27.7%，所提方法兼顾高时频分辨率和较高的参数估计精度，为后续目标识别奠定了基础。
7
2024, 13(5): 985-1003.
星载合成孔径雷达(SAR)系统常受到强电磁干扰而导致成像质量下降，但现有基于图像域的干扰抑制方法易造成图像失真、纹理细节信息丢失等难题。针对上述问题，该文提出了一种基于区域特征细化感知学习的星载SAR图像有源压制干扰抑制方法。首先，建立了星载SAR图像域有源压制干扰信号和图像模型；其次，设计一种基于区域特征感知的高精度干扰识别网络，利用高效通道注意力机制，提取SAR图像有源压制干扰图样特征，可以有效识别SAR图像干扰区域；然后，构建一种基于SAR图像和压制干扰特征联合学习的多元区域特征细化干扰抑制网络，将SAR图像切分为多元区域，采用多模块协同处理多元区域上的压制干扰特征，实现复杂场景条件下SAR图像有源压制干扰的精细化抑制。最后，构建SAR图像有源压制干扰仿真数据集，且采用哨兵1号实测数据进行实验验证分析。实验结果表明所提方法能有效识别和抑制星载SAR图像多种典型有源压制干扰。
星载合成孔径雷达(SAR)系统常受到强电磁干扰而导致成像质量下降，但现有基于图像域的干扰抑制方法易造成图像失真、纹理细节信息丢失等难题。针对上述问题，该文提出了一种基于区域特征细化感知学习的星载SAR图像有源压制干扰抑制方法。首先，建立了星载SAR图像域有源压制干扰信号和图像模型；其次，设计一种基于区域特征感知的高精度干扰识别网络，利用高效通道注意力机制，提取SAR图像有源压制干扰图样特征，可以有效识别SAR图像干扰区域；然后，构建一种基于SAR图像和压制干扰特征联合学习的多元区域特征细化干扰抑制网络，将SAR图像切分为多元区域，采用多模块协同处理多元区域上的压制干扰特征，实现复杂场景条件下SAR图像有源压制干扰的精细化抑制。最后，构建SAR图像有源压制干扰仿真数据集，且采用哨兵1号实测数据进行实验验证分析。实验结果表明所提方法能有效识别和抑制星载SAR图像多种典型有源压制干扰。
8
2024, 13(5): 1073-1091.
实孔径雷达(RAR)通过天线扫描工作，以获取大范围探测区域内目标的观测信息。但是，由于雷达天线尺寸小，受天线衍射机理限制，与距离分辨率相比，其角分辨率通常较低。角超分辨处理方法，可利用天线方向图与目标散射间的卷积关系，通过求解卷积反演问题，以提高扫描雷达角分辨率。但是，由于测量矩阵的低秩特性，传统角超分辨处理方法，存在正则化参数选择难、迭代更新慢等问题，并且在低信噪比条件下，角超分辨处理性能明显下降。针对上述问题，该文提出了一种基于深度网络的迭代自适应实孔径扫描雷达角超分辨成像方法。首先，该文将实孔径扫描雷达的卷积反演问题转化为回波自相关矩阵反演求解问题，以改善求逆矩阵的病态性；其次，将可学习的修正矩阵引入到迭代自适应求解方法中，以实现迭代自适应求解方法与深度网络的结合；最后，通过迭代学习更新回波自相关矩阵，降低噪声对反演结果的影响，提高实孔径雷达的角分辨率。仿真及实测数据结果表明，所提方法可避免传统算法中的手动参数选择和迭代更新慢等问题。同时，由于深度网络的学习拟合能力，所提方法可在低信噪比条件下保持良好的角超分辨性能。
实孔径雷达(RAR)通过天线扫描工作，以获取大范围探测区域内目标的观测信息。但是，由于雷达天线尺寸小，受天线衍射机理限制，与距离分辨率相比，其角分辨率通常较低。角超分辨处理方法，可利用天线方向图与目标散射间的卷积关系，通过求解卷积反演问题，以提高扫描雷达角分辨率。但是，由于测量矩阵的低秩特性，传统角超分辨处理方法，存在正则化参数选择难、迭代更新慢等问题，并且在低信噪比条件下，角超分辨处理性能明显下降。针对上述问题，该文提出了一种基于深度网络的迭代自适应实孔径扫描雷达角超分辨成像方法。首先，该文将实孔径扫描雷达的卷积反演问题转化为回波自相关矩阵反演求解问题，以改善求逆矩阵的病态性；其次，将可学习的修正矩阵引入到迭代自适应求解方法中，以实现迭代自适应求解方法与深度网络的结合；最后，通过迭代学习更新回波自相关矩阵，降低噪声对反演结果的影响，提高实孔径雷达的角分辨率。仿真及实测数据结果表明，所提方法可避免传统算法中的手动参数选择和迭代更新慢等问题。同时，由于深度网络的学习拟合能力，所提方法可在低信噪比条件下保持良好的角超分辨性能。
9
2020, 9(3): 409-424.
城市地表和人工建筑的稳定性监测一直是城市安全的重要监测内容之一。星载合成孔径雷达干涉测量(InSAR)技术以其大范围、高精度、高空间密度的形变获取能力，被广泛用于大范围地表形变监测。近年来，随着星载SAR系统分辨率的不断提高，时序InSAR技术越来越多地应用于重要基础设施的监测。该文结合作者团队长期基于时序InSAR技术在城市地区监测研究经历，总结和回顾了团队关于时序InSAR方法在城市动态监测中的一些典型应用，包括城市机场、高架路网、桥梁、铁路和地铁沿线等，根据多年获取的高分辨率TerraSAR-X影像、Cosmo-SkyMed影像以及后续免费获取的Sentinel-1影像等多种数据以及监测研究中发现的研究问题及相应解决方法，在应用中取得了良好的效果，展现了时序InSAR技术在城区目标精细监测中的潜力。
城市地表和人工建筑的稳定性监测一直是城市安全的重要监测内容之一。星载合成孔径雷达干涉测量(InSAR)技术以其大范围、高精度、高空间密度的形变获取能力，被广泛用于大范围地表形变监测。近年来，随着星载SAR系统分辨率的不断提高，时序InSAR技术越来越多地应用于重要基础设施的监测。该文结合作者团队长期基于时序InSAR技术在城市地区监测研究经历，总结和回顾了团队关于时序InSAR方法在城市动态监测中的一些典型应用，包括城市机场、高架路网、桥梁、铁路和地铁沿线等，根据多年获取的高分辨率TerraSAR-X影像、Cosmo-SkyMed影像以及后续免费获取的Sentinel-1影像等多种数据以及监测研究中发现的研究问题及相应解决方法，在应用中取得了良好的效果，展现了时序InSAR技术在城区目标精细监测中的潜力。
10
2024, 13(3): 554-564.
该文考虑了海杂波环境下的雷达目标检测问题，提出了一种基于深度学习的海面目标检测器。该检测器通过融合从不同数据源中提取的多种互补性特征以增加目标和杂波的差异性，从而提升对海面目标的检测性能。具体来说，该检测器首先利用两个特征提取分支分别从距离像和距离多普勒谱图中提取多层次快时间特征和距离特征；然后，设计局部-全局特征提取结构从特征的慢时间维度或多普勒维度提取序列关联性；接着，提出基于自适应卷积权重学习的特征融合模块，实现快慢时间特征和距离多普勒特征的高效融合；最后，对多层次特征进行融合、上采样和非线性映射获得检测结果。基于两个公开雷达数据集上的实验验证了所提检测器的检测性能。
该文考虑了海杂波环境下的雷达目标检测问题，提出了一种基于深度学习的海面目标检测器。该检测器通过融合从不同数据源中提取的多种互补性特征以增加目标和杂波的差异性，从而提升对海面目标的检测性能。具体来说，该检测器首先利用两个特征提取分支分别从距离像和距离多普勒谱图中提取多层次快时间特征和距离特征；然后，设计局部-全局特征提取结构从特征的慢时间维度或多普勒维度提取序列关联性；接着，提出基于自适应卷积权重学习的特征融合模块，实现快慢时间特征和距离多普勒特征的高效融合；最后，对多层次特征进行融合、上采样和非线性映射获得检测结果。基于两个公开雷达数据集上的实验验证了所提检测器的检测性能。
11
2020, 9(1): 86-106.
合成孔径雷达(SAR)得益于其全天时全天候、高分辨率的工作模式，在最近几十年吸引了全球雷达学者的目光。作为一种有源雷达系统，合成孔径雷达高分辨成像过程中会受多样式复杂多变的强电磁干扰影响，从而严重影响合成孔径雷达最终的高分辨成像结果，因此，如何有效对抗复杂电磁干扰是合成孔径雷达探测感知的难点和重点之一。该文针对不同的干扰样式、干扰来源、干扰散射机理、雷达天线配置、目标特性等合成孔径雷达抗干扰及高分辨成像的关键要素和主要思路进行了总结梳理，并依照干扰对抗算法的本质，对近些年代表性的合成孔径雷达对抗压制干扰和欺骗干扰算法的文献进行介绍和归纳，旨在为以后的研究提供一定的参考。
合成孔径雷达(SAR)得益于其全天时全天候、高分辨率的工作模式，在最近几十年吸引了全球雷达学者的目光。作为一种有源雷达系统，合成孔径雷达高分辨成像过程中会受多样式复杂多变的强电磁干扰影响，从而严重影响合成孔径雷达最终的高分辨成像结果，因此，如何有效对抗复杂电磁干扰是合成孔径雷达探测感知的难点和重点之一。该文针对不同的干扰样式、干扰来源、干扰散射机理、雷达天线配置、目标特性等合成孔径雷达抗干扰及高分辨成像的关键要素和主要思路进行了总结梳理，并依照干扰对抗算法的本质，对近些年代表性的合成孔径雷达对抗压制干扰和欺骗干扰算法的文献进行介绍和归纳，旨在为以后的研究提供一定的参考。
12
2019, 8(6): 717-731.
作为一种重要的空间遥感信息获取工具，星载合成孔径雷达(SAR)具备高分辨率宽测绘、多方位信息获取、高时相对地观测、3维地形测绘等多种工作体制和模式。对于任何星载SAR系统，获取高质量的图像始终是提升SAR应用效能的前提。该文基于“观测在天，成像在地”的理念，分析了卫星轨道、平台姿态、有效载荷、地面处理等环节中星载SAR成像和图像质量的影响因素；阐释了中央电子设备幅相补偿与动态调整、天线方向图预估等高精度数据获取技术；给出了基于改进运动模型的星载SAR成像补偿和对流层传播效应补偿方法，能够实现优于0.3 m分辨率的成像；总结和对比了相干斑噪声抑制、方位模糊抑制和旁瓣抑制等SAR图像处理技术，可以使得等效视数优于25、方位模糊和旁瓣抑制优于20 dB。
作为一种重要的空间遥感信息获取工具，星载合成孔径雷达(SAR)具备高分辨率宽测绘、多方位信息获取、高时相对地观测、3维地形测绘等多种工作体制和模式。对于任何星载SAR系统，获取高质量的图像始终是提升SAR应用效能的前提。该文基于“观测在天，成像在地”的理念，分析了卫星轨道、平台姿态、有效载荷、地面处理等环节中星载SAR成像和图像质量的影响因素；阐释了中央电子设备幅相补偿与动态调整、天线方向图预估等高精度数据获取技术；给出了基于改进运动模型的星载SAR成像补偿和对流层传播效应补偿方法，能够实现优于0.3 m分辨率的成像；总结和对比了相干斑噪声抑制、方位模糊抑制和旁瓣抑制等SAR图像处理技术，可以使得等效视数优于25、方位模糊和旁瓣抑制优于20 dB。
13
状态: , 更新:
低频超宽带(UWB)雷达因其良好穿透性和分辨率，在人体行为识别领域具有显著的优势。针对现有的动作识别算法运算量大、网络参数多的问题，该文提出了一种基于时空点云的高效且轻量的超宽带雷达人体行为识别方法。首先通过UWB雷达采集人体的四维运动数据，然后采用离散采样的方法将雷达图像转换为点云表示，由于人体行为识别属于时间序列上的分类问题，该文结合PointNet++网络与Transformer网络提出了一种轻量化的时空网络，通过提取并分析四维点云的时空特征，实现了对人体行为的端到端识别。在模型的训练过程中，提出了一种点云数据多阈值融合的方法，进一步提高了模型的泛化性和识别能力。该文根据公开的四维雷达成像数据集对所提方法进行验证，并与现有方法进行了比较。结果表明，所提方法在人体行为识别率达到96.75%，且消耗较少的参数量和运算量，验证了其有效性。
低频超宽带(UWB)雷达因其良好穿透性和分辨率，在人体行为识别领域具有显著的优势。针对现有的动作识别算法运算量大、网络参数多的问题，该文提出了一种基于时空点云的高效且轻量的超宽带雷达人体行为识别方法。首先通过UWB雷达采集人体的四维运动数据，然后采用离散采样的方法将雷达图像转换为点云表示，由于人体行为识别属于时间序列上的分类问题，该文结合PointNet++网络与Transformer网络提出了一种轻量化的时空网络，通过提取并分析四维点云的时空特征，实现了对人体行为的端到端识别。在模型的训练过程中，提出了一种点云数据多阈值融合的方法，进一步提高了模型的泛化性和识别能力。该文根据公开的四维雷达成像数据集对所提方法进行验证，并与现有方法进行了比较。结果表明，所提方法在人体行为识别率达到96.75%，且消耗较少的参数量和运算量，验证了其有效性。
14
2022, 11(3): 418-433.
雷达辐射源信号分选是雷达信号侦察的关键技术之一，同时也是战场态势感知的重要环节。该文系统梳理了雷达辐射源信号分选的主流技术，从基于脉间调制特征、基于脉内调制特征、基于机器学习的雷达辐射源信号分选3个角度阐述了目前雷达辐射源信号分选工作的主要研究方向及进展，并重点阐释了基于深度神经网络、数据流聚类等最新分选技术的原理与特点。最后，对现有雷达辐射源信号分选技术的不足进行了总结并对未来趋势进行了预测。
雷达辐射源信号分选是雷达信号侦察的关键技术之一，同时也是战场态势感知的重要环节。该文系统梳理了雷达辐射源信号分选的主流技术，从基于脉间调制特征、基于脉内调制特征、基于机器学习的雷达辐射源信号分选3个角度阐述了目前雷达辐射源信号分选工作的主要研究方向及进展，并重点阐释了基于深度神经网络、数据流聚类等最新分选技术的原理与特点。最后，对现有雷达辐射源信号分选技术的不足进行了总结并对未来趋势进行了预测。
15
2024, 13(5): 1092-1108.
考虑到主动式电扫描毫米波成像系统在实际应用中成像场景要求大，分辨率要求高，但毫米波的波长短，继而造成满足奈奎斯特采样定理的均匀阵列规模及馈电网络复杂度过高，面临着成像精度、成像速度和系统成本之间的矛盾。针对以上问题，该文提出了可信推断近场稀疏综合阵列算法(CBI-SAS)，在全贝叶斯学习框架下，该算法基于贝叶斯推断对复激励权值进行稀疏优化，得到复激励权值的完全统计后验概率密度函数，从而利用其高阶统计信息得到复激励权值的最优值及其置信区间和置信度。在贝叶斯推断中，为了实现较少数量的阵元合成期望波束方向图，可通过对复值激励权值引入重尾的拉普拉斯稀疏先验。然而，由于先验概率模型与参考方向图数据模型非共轭，因此需对先验模型进行分层贝叶斯建模，从而保证得到的复激励权值完全后验分布具有闭合解析解。为了避免求解完全后验分布的高维积分，采用变分贝叶斯期望最大化方法计算复激励权值后验概率密度函数，实现复激励权值的可信推断。仿真模拟实验结果显示，相较于传统稀疏阵列合成方法，所提方法阵元稀疏度更低、归一化均方误差更小、匹配方向图精度更好。此外，基于设计的稀疏阵列采集近场一维电扫和二维平面全电扫实测回波数据后，利用改进三维时域算法进行三维重建，验证了所提CBI-SAS算法在保证成像结果的同时降低了系统复杂性的优势。
考虑到主动式电扫描毫米波成像系统在实际应用中成像场景要求大，分辨率要求高，但毫米波的波长短，继而造成满足奈奎斯特采样定理的均匀阵列规模及馈电网络复杂度过高，面临着成像精度、成像速度和系统成本之间的矛盾。针对以上问题，该文提出了可信推断近场稀疏综合阵列算法(CBI-SAS)，在全贝叶斯学习框架下，该算法基于贝叶斯推断对复激励权值进行稀疏优化，得到复激励权值的完全统计后验概率密度函数，从而利用其高阶统计信息得到复激励权值的最优值及其置信区间和置信度。在贝叶斯推断中，为了实现较少数量的阵元合成期望波束方向图，可通过对复值激励权值引入重尾的拉普拉斯稀疏先验。然而，由于先验概率模型与参考方向图数据模型非共轭，因此需对先验模型进行分层贝叶斯建模，从而保证得到的复激励权值完全后验分布具有闭合解析解。为了避免求解完全后验分布的高维积分，采用变分贝叶斯期望最大化方法计算复激励权值后验概率密度函数，实现复激励权值的可信推断。仿真模拟实验结果显示，相较于传统稀疏阵列合成方法，所提方法阵元稀疏度更低、归一化均方误差更小、匹配方向图精度更好。此外，基于设计的稀疏阵列采集近场一维电扫和二维平面全电扫实测回波数据后，利用改进三维时域算法进行三维重建，验证了所提CBI-SAS算法在保证成像结果的同时降低了系统复杂性的优势。
16
2024, 13(5): 1049-1060.
在雷达目标多通道自适应检测场景下，诸多非均匀背景因素易导致异常值干扰，使得辅助数据独立同分布条件难以满足，已有辅助数据筛选方法往往假定异常值个数已知，在个数未知的情况下面临较大性能损失。为此，该文研究了异常值个数未知情况下辅助数据自适应筛选方法。首先，在杂噪协方差矩阵已知条件下，建立了异常数据集合的最大似然估计，基于广义内积对辅助数据进行初步排序，将异常数据集合的最大似然估计过程简化为异常值个数估计。其次，利用快速最大似然方法进行未知协方差矩阵估计，提出了未知异常值个数下辅助数据自适应筛选方法。进一步地，为降低异常值对初步排序性能的不利干扰，基于归一化采样协方差矩阵设计了归一化广义内积形式，并结合迭代估计方式，对前述辅助数据自适应筛选流程进行改进。仿真结果表明，与广义内积相比，采用归一化广义内积可获得更高的筛选精度，采用较小迭代次数即可获得稳定的归一化信干比改善；与已有辅助数据筛选方法相比，该文所提方法在异常值个数未知条件下具有更好的筛选性能。
在雷达目标多通道自适应检测场景下，诸多非均匀背景因素易导致异常值干扰，使得辅助数据独立同分布条件难以满足，已有辅助数据筛选方法往往假定异常值个数已知，在个数未知的情况下面临较大性能损失。为此，该文研究了异常值个数未知情况下辅助数据自适应筛选方法。首先，在杂噪协方差矩阵已知条件下，建立了异常数据集合的最大似然估计，基于广义内积对辅助数据进行初步排序，将异常数据集合的最大似然估计过程简化为异常值个数估计。其次，利用快速最大似然方法进行未知协方差矩阵估计，提出了未知异常值个数下辅助数据自适应筛选方法。进一步地，为降低异常值对初步排序性能的不利干扰，基于归一化采样协方差矩阵设计了归一化广义内积形式，并结合迭代估计方式，对前述辅助数据自适应筛选流程进行改进。仿真结果表明，与广义内积相比，采用归一化广义内积可获得更高的筛选精度，采用较小迭代次数即可获得稳定的归一化信干比改善；与已有辅助数据筛选方法相比，该文所提方法在异常值个数未知条件下具有更好的筛选性能。
17
2024, 13(1): 46-67.
随着雷达目标探测需求的增加，基于压缩感知(CS)模型的稀疏恢复(SR)技术被广泛应用于雷达信号处理领域。该文首先对压缩感知的基本理论进行梳理；接着从场景稀疏以及稀疏观测两个角度介绍了雷达信号处理中的稀疏特性；然后基于稀疏特性，从空域处理、脉冲压缩、相参处理、雷达成像以及目标检测等角度概述了压缩感知技术在雷达信号处理中的应用。最后，对压缩感知技术在雷达信号处理中的应用进行了总结。
随着雷达目标探测需求的增加，基于压缩感知(CS)模型的稀疏恢复(SR)技术被广泛应用于雷达信号处理领域。该文首先对压缩感知的基本理论进行梳理；接着从场景稀疏以及稀疏观测两个角度介绍了雷达信号处理中的稀疏特性；然后基于稀疏特性，从空域处理、脉冲压缩、相参处理、雷达成像以及目标检测等角度概述了压缩感知技术在雷达信号处理中的应用。最后，对压缩感知技术在雷达信号处理中的应用进行了总结。
18
2023, 12(6): 1229-1248.
分布式孔径相参合成通过对多个分散布置小孔径的收/发信号进行相参调整，使协同的分布式系统可以用相对低的成本获得比拟于大孔径的功率孔径积，是替代大孔径的可行技术选择。该文首先阐述了分布式孔径相参合成的概念和实现原理，根据是否需要合成目的地处的外部信号输入，将相参合成的实现架构分为闭环式和开环式两类；然后，较为全面地综述了分布式孔径相参合成在导弹防御、深空遥测遥控、超远距离雷达探测、射电天文多领域发展应用情况；进一步阐述相参合成必要且用于对准各孔径收发信号时间和相位的关键技术，包括高精度分布式时频传递和同步技术，以及相参合成参数估计、测量标定和预测技术；最后对分布式孔径相参合成研究进行了总结和展望。
分布式孔径相参合成通过对多个分散布置小孔径的收/发信号进行相参调整，使协同的分布式系统可以用相对低的成本获得比拟于大孔径的功率孔径积，是替代大孔径的可行技术选择。该文首先阐述了分布式孔径相参合成的概念和实现原理，根据是否需要合成目的地处的外部信号输入，将相参合成的实现架构分为闭环式和开环式两类；然后，较为全面地综述了分布式孔径相参合成在导弹防御、深空遥测遥控、超远距离雷达探测、射电天文多领域发展应用情况；进一步阐述相参合成必要且用于对准各孔径收发信号时间和相位的关键技术，包括高精度分布式时频传递和同步技术，以及相参合成参数估计、测量标定和预测技术；最后对分布式孔径相参合成研究进行了总结和展望。
19
2023, 12(2): 456-469.
海上目标检测识别受制于海上目标及海杂波环境特性，基于实测数据认知海上目标的本质特征有利于推进目标检测识别技术进步。针对海上目标散射特性数据不足的问题，升级“雷达对海探测数据共享计划(SDRDSP)”，扩展雷达目标观测的物理维度、提升雷达及辅助数据采集能力，获取不同极化、海况下的海上目标及环境数据，构建海上目标双极化多海况散射特性数据集，并分析其统计分布特性、时间与空间相关性和多普勒谱特性，为数据使用提供支持。后续将推进海上目标类型与数量的持续积累，为海上目标检测识别性能提升和智能化发展提供数据支持。
海上目标检测识别受制于海上目标及海杂波环境特性，基于实测数据认知海上目标的本质特征有利于推进目标检测识别技术进步。针对海上目标散射特性数据不足的问题，升级“雷达对海探测数据共享计划(SDRDSP)”，扩展雷达目标观测的物理维度、提升雷达及辅助数据采集能力，获取不同极化、海况下的海上目标及环境数据，构建海上目标双极化多海况散射特性数据集，并分析其统计分布特性、时间与空间相关性和多普勒谱特性，为数据使用提供支持。后续将推进海上目标类型与数量的持续积累，为海上目标检测识别性能提升和智能化发展提供数据支持。
20
2024, 13(2): 285-306.
高分辨率雷达成像技术和人工智能、大数据技术的快速发展，有力促进了雷达图像智能解译技术的进步。由于雷达传感器本身的特殊性和电磁散射成像物理的复杂性，雷达图像的解译缺乏光学图像的直观性，准确迅速识别分类的需求对雷达图像解译提出了迫切的挑战。在借鉴人脑光视觉感知机理和计算机视觉图像处理相关技术基础上，进一步融合电磁散射物理规律及其雷达成像机理，我们提出发展微波域雷达图像解译的“微波视觉”的新交叉领域研究。该文介绍微波视觉的概念与内涵，提出微波视觉认知模型，阐述其基础理论问题与技术路线，最后介绍了作者团队在相关问题上的初步研究进展。
高分辨率雷达成像技术和人工智能、大数据技术的快速发展，有力促进了雷达图像智能解译技术的进步。由于雷达传感器本身的特殊性和电磁散射成像物理的复杂性，雷达图像的解译缺乏光学图像的直观性，准确迅速识别分类的需求对雷达图像解译提出了迫切的挑战。在借鉴人脑光视觉感知机理和计算机视觉图像处理相关技术基础上，进一步融合电磁散射物理规律及其雷达成像机理，我们提出发展微波域雷达图像解译的“微波视觉”的新交叉领域研究。该文介绍微波视觉的概念与内涵，提出微波视觉认知模型，阐述其基础理论问题与技术路线，最后介绍了作者团队在相关问题上的初步研究进展。
- 首页
- 上一页
- 1
- 2
- 3
- 4
- 5
- 下一页
- 末页
- 共:5页
微信 | 公众平台 
